摘要：證券公司的經(jīng)營效率直接影響我國資本市場效率的整體水平和市場資源配置的有效性，如何對我國證券公司的經(jīng)營效率進行科學(xué)、合理的衡量，是亟待解決的現(xiàn)實課題。基于此，本文將證券公司經(jīng)營活動劃分為創(chuàng)收階段與盈利階段兩階段，構(gòu)建考慮非期望指標的兩階段非期望網(wǎng)絡(luò)乘積型模型，并以我國24家中國上市證券公司作為樣本進行分析。研究結(jié)果發(fā)現(xiàn)：考察期間我國證券公司效率普遍較低，絕大多數(shù)公司沒有在最優(yōu)規(guī)模上生產(chǎn)，各證券公司的經(jīng)營效率在不同年份里出現(xiàn)了嚴重的兩極分化，造成DEA無效的主要原因在于第一階段的投入冗余。

關(guān)鍵詞：證券公司效率；兩階段；DEA模型；非期望指標

一、引言

2023年中央金融工作會議提出要“優(yōu)化融資結(jié)構(gòu)，更好發(fā)揮資本市場樞紐功能”，并提出打造“金融強國”，這對發(fā)展我國資本市場提出了更高要求，尤其把資本市場定義為“樞紐功能”，更加表明資本市場在我國金融運行中具有重要作用。此外，在打造現(xiàn)代金融機構(gòu)方面，首次提出要“培育一流投資銀行和投資機構(gòu)”。作為資本市場的重要組成部分以及獨特的中介機構(gòu)，證券公司的效率直接影響資本市場資源配置效率，對發(fā)揮資本市場“樞紐功能”起著重要作用。在市場競爭加劇的情況下，各證券公司內(nèi)外部環(huán)境變得更為復(fù)雜，風(fēng)險不斷累積，主要表現(xiàn)在我國證券公司之間的競爭激烈程度不斷提高，產(chǎn)品替代性和同質(zhì)性較高，創(chuàng)新能力低且過分依賴傳統(tǒng)經(jīng)紀業(yè)務(wù)。如何對我國證券公司的經(jīng)營效率進行科學(xué)、合理的衡量，是亟待解決的現(xiàn)實課題。因此，本文對證券公司效率進行準確的測度及分析，具有現(xiàn)實意義和理論意義，可以反映行業(yè)現(xiàn)狀，明確制約證券公司績效的因素，總結(jié)和反思證券行業(yè)的發(fā)展經(jīng)驗，為管理者提供決策參考。

二、文獻回顧

（一）證券公司效率研究方面

DEA模型雖然已經(jīng)在很多領(lǐng)域得到了推廣應(yīng)用，但被用來研究證券領(lǐng)域有關(guān)問題的時機相對較晚，隨著證券公司在資本市場中地位的提升，其經(jīng)營效率問題也逐漸受到更多的關(guān)注，主要集中于靜態(tài)效率研究、動態(tài)效率研究兩個方面。

在靜態(tài)效率研究方面，Nguyen等（2021）通過SBM-DEA模型計算了32家越南證券公司2019年的效率，確定各證券公司的效率得分和定位，并以此來選擇未來的最佳合作伙伴投標；Kang和Lee（2023）使用BCC模型測量了韓國證券公司2021年的管理效率，并針對性地提出了每家公司實現(xiàn)效率最大化的方法；李雙杰和高濛（2023）以數(shù)據(jù)包絡(luò)分析中的BCC模型為基礎(chǔ)，引入交叉效率模型，在均值方差框架下計算了最優(yōu)投資組合；楊躍云（2022）選取15家上游供應(yīng)商為研究樣本，選擇合適的度量指標，利用DEA模型對供應(yīng)鏈金融應(yīng)收賬款資產(chǎn)證券化信用風(fēng)險進行評估。

動態(tài)效率研究方面，Xu等（2020）選擇中國A股上市的30家證券公司2014—2018年的數(shù)據(jù)為樣本，計算了不同評級公司在不同前沿的效率；鄭又源等（2024）以我國86家證券公司2017—2021年的數(shù)據(jù)為研究對象，利用DEA-Malmquist模型分析證券行業(yè)市場結(jié)構(gòu)對券商經(jīng)營效率的影響作用以及金融科技投入在此過程中所發(fā)揮的中介作用，研究發(fā)現(xiàn)金融科技投資的增加會進一步提升券商效率；HU（2023）采用DEA模型對12家中資商業(yè)銀行和4家外資銀行2019—2021年的相對運營效率和中介效率進行了評估，研究表明，在中國，運營績效優(yōu)于中介績效，四大國有銀行的經(jīng)營效率高于股份制商業(yè)銀行，但國有銀行在中介方式上沒有優(yōu)勢。

（二）證券公司效率研究方法

證券公司效率研究的前沿分析方法主要分為參數(shù)法和非參數(shù)法。隨機前沿模型（SFA）被廣泛用于參數(shù)法，數(shù)據(jù)包絡(luò)分析法（DEA）被廣泛用于非參數(shù)法。相較于參數(shù)法必須設(shè)定具體的生產(chǎn)函數(shù)類型，非參數(shù)法可以在不假定生產(chǎn)函數(shù)類型的情況下測量多產(chǎn)出和多投入的生產(chǎn)過程，這令DEA所使用的模型更具有可拓展性，學(xué)者可從不同的角度對其進行擴充和創(chuàng)新。使用參數(shù)方法研究證券公司效率的文獻則并不多見，崔瑛等（2018）采用隨機前沿分析方法對我國20家上市券商2008—2016年的數(shù)據(jù)進行測度，實證分析了股權(quán)結(jié)構(gòu)、資本收益率、公司規(guī)模和經(jīng)營利潤率對證券公司經(jīng)營效率的影響。非參數(shù)方法的DEA模型由Charnes等（1978）提出，用于評估單一輸入及單一輸出的技術(shù)效率。首先提出的CCR模型是基于規(guī)模報酬不變（CRS）為假設(shè)，對同一類型決策單元的相對效率進行探究；為了進一步衡量與區(qū)別純技術(shù)效率與規(guī)模效率，Banker等（1984）又提出了基于規(guī)模報酬可變（VRS）為假設(shè)的BCC模型；Charnes等（1985）構(gòu)建了基于探究決策單元純技術(shù)效率的CCGSS模式等；Ikapel等（2023）以內(nèi)羅畢證券交易所上市的10家肯尼亞銀行機構(gòu)為研究對象，分兩階段評估其2006—2017年效率的決定因素：在第一階段，使用DEA模型計算效率分數(shù)，在第二階段，進行面板回歸分析以評估效率的決定因素，結(jié)果表明，資本充足率和市值在決定銀行效率方面具有顯著意義。

上述所提出的傳統(tǒng)DEA方法也被稱為“黑箱”模型，其模型一般是把效率度量的目標看作一個獨立的決策單位，忽視了決策單位的結(jié)構(gòu)以及具體的經(jīng)營流程，模型較為簡單并且有較強的局限性。學(xué)者們在傳統(tǒng)DEA基礎(chǔ)上進行改進，提出了網(wǎng)絡(luò)DEA模型，旨在深入“黑箱”內(nèi)部探尋效率低下的原因。Fre和Grosskopf（2000）首次以網(wǎng)絡(luò)DEA的概念闡述了相關(guān)問題，對決策單元內(nèi)部結(jié)構(gòu)和生產(chǎn)環(huán)節(jié)的要素關(guān)系做了分析，給出了處理多階段生產(chǎn)系統(tǒng)的前沿面分析方法；Achi（2023）采用兩階段網(wǎng)絡(luò)DEA的方法探討了2013—2017年13家阿爾及利亞銀行樣本的效率，結(jié)果表明，存款生產(chǎn)效率受銀行規(guī)模和銀行年齡的積極影響，而創(chuàng)收效率與銀行規(guī)模和銀行年齡呈負相關(guān)；Fukuyama等（2023）首次將貸款損失準備金作為因果模型納入網(wǎng)絡(luò)DEA模型以進行效率評估，實證研究了2013—2020年64家中國銀行的效率，研究結(jié)果表明，中國銀行業(yè)的低效率是波動的，國有銀行的低效率和波動性最高，來自農(nóng)業(yè)部門和水利、環(huán)境以及公共設(shè)施管理部門的信用風(fēng)險降低了銀行效率，而來自批發(fā)和零售部門的信用風(fēng)險提高了銀行效率。

綜上，國內(nèi)外學(xué)者采用DEA模型對證券公司的效率問題的研究雖取得了一定的成效，但也存在一些不足：在研究方法上，多采用傳統(tǒng)DEA模型來進行研究，只考慮投入和產(chǎn)出，忽略了系統(tǒng)內(nèi)部結(jié)構(gòu)和各個決策單元之間的關(guān)系，計算出的結(jié)果只能給出效率結(jié)論；在指標選取上，目前對于非期望產(chǎn)出很少有學(xué)者考慮到其會對效率產(chǎn)生影響，作為證券公司正常營業(yè)產(chǎn)出的一部分，如若不將非期望指標因素納入考察，研究結(jié)論必然會產(chǎn)生偏差。為此，本文將對現(xiàn)有文獻進行拓展，在效率研究的方法上，引入了兩階段網(wǎng)絡(luò)DEA模型，相對于傳統(tǒng)DEA有著更大優(yōu)勢，它可以將傳統(tǒng)“黑箱”打開，深入“黑箱”內(nèi)部探尋效率低下的原因，應(yīng)用于分階段、多投入、多產(chǎn)出的效率評價問題方面。在此基礎(chǔ)上，還引入了“壞賬損失”作為非期望產(chǎn)出指標，對模型進行拓展。此外，以往的證券公司效率研究大多基于規(guī)模報酬不變（CRS）的假定，這就表明證券公司在運作過程中都存在最優(yōu)生產(chǎn)規(guī)模，這與具體情況是不相符的。本文基于規(guī)模報酬可變（VRS）情形下建立了兩階段非期望的乘積關(guān)系模型，更加適用于證券效率評估，結(jié)果也更加貼合實際。

三、兩階段非期望DEA模型構(gòu)建

（一）研究方法

數(shù)據(jù)包絡(luò)分析（DataEnvelopmentAnalysis，DEA）是一種非參數(shù)效率評估方法，它是美國著名運籌學(xué)專家Charnes等在1978年創(chuàng)立的以相對效率評價理論為基礎(chǔ)，將單輸入單輸出的工程效率概念推廣到多輸入多輸出的決策單元，并利用運籌學(xué)中的線性規(guī)劃和計量經(jīng)濟學(xué)中的有關(guān)理論知識，將DEA有效、具體的生產(chǎn)可能集和生產(chǎn)前沿面關(guān)聯(lián)起來。隨著DEA基礎(chǔ)理論研究與實踐運用的進一步發(fā)展，它已經(jīng)成為我國管理科學(xué)、系統(tǒng)工程和決策過程分析、質(zhì)量評價與研究等領(lǐng)域的一個普遍并且重要的分析工具與研究方式，其工作的具體步驟流程如圖1所示。

（二）兩階段非期望DEA模型的構(gòu)建

證券公司是專業(yè)從事證券交易的法人企業(yè)，也是通過股票交易將證券投資者與上市公司聯(lián)系起來的直接渠道。作為資本市場的重要組成部分之一，它可以立足于承銷發(fā)行、證券自營及代理等業(yè)務(wù)來獲取運營收益，之后又基于分配員工薪酬、管理成本、投資活動等來獲取相關(guān)的利潤?；诖?，將證券公司的運營階段分為兩個階段——創(chuàng)收階段和盈利階段，如圖2所示。

第一階段為創(chuàng)造收入階段，是指證券公司投入一定資本的同時支付員工薪酬以及各種營業(yè)費用成本從而進行證券交易、資產(chǎn)管理等經(jīng)營活動，使得公司正常經(jīng)營運轉(zhuǎn)獲得收入，這一階段側(cè)重于公司創(chuàng)造收入能力和資產(chǎn)利用能力。第二階段為獲取利潤的階段，是指證券公司通過各項業(yè)務(wù)交易獲得直接收入后，通過合理的投資規(guī)劃、資產(chǎn)管理和各種經(jīng)營費用的分配把前一階段的直接收入轉(zhuǎn)化成最終利潤的過程，這一階段側(cè)重于公司的風(fēng)險和成本控制能力以及利潤轉(zhuǎn)化能力。

運用Kao和Hwang（2008）提出的兩階段關(guān)系模型，并使其從規(guī)模報酬不變（CRS）擴展到規(guī)模報酬可變（VRS）模型，從非線性轉(zhuǎn)換為線性模型，選取“投入導(dǎo)向”模型進行DEA效率分析。

根據(jù)如圖2所示的證券公司兩階段運行系統(tǒng)，每個決策單元記為DMUj（j=1，2，…，n），第一階段的投入指標為x1ij（i=1，2，…，m），中間產(chǎn)出zdj（d=1，2，…，D），第二階段的期望產(chǎn)出為y2rj（r=1，2，…，s），非期望產(chǎn)出為Pbrj（r=1，2，…，sb）。對于非期望產(chǎn)出，遵循Seiford和Zhu（1999）提出的轉(zhuǎn)換方法來解決非期望產(chǎn)出。就是在非期望產(chǎn)出中首先乘上“-1”，接著加上一個相應(yīng)的正轉(zhuǎn)換向量以使這個非期望輸出變成正值，即Pbrj=-Pbrj+wbr（r=1，2，…，B），其中wbr=maxjpbrj+1，r∈B，在規(guī)模報酬可變（VRS）情形下，這種轉(zhuǎn)換提供了相同的有效前沿面。與以往研究中將整個生產(chǎn)過程和兩個子階段視為獨立的研究不同，Kao和Hwang（2008）考慮了整個系統(tǒng)中兩個子階段的串聯(lián)關(guān)系，在這個框架下，將整個運營過程的總效率分解為兩個子階段效率的乘積，即ek=e1ke2k，且ek∈（0，1）。且文章指出，在創(chuàng)收和盈利兩個階段中，中間變量的權(quán)重相等，可以體現(xiàn)兩個階段的同等重要程度，并具有一定的串聯(lián)關(guān)系，從而不會導(dǎo)致兩個階段的結(jié)果向任一方偏移，因此假設(shè)中間變量在兩個子階段有相同的權(quán)重wd。則模型如下：

ek=maxe1k×e2k

=max∑Dd=1wdzdk+u1k∑mi=1v1ix1ik×∑sr=1u2ry2rk+∑Br=1ubrPbrk+u2k∑Dd=1wdzdk

s.t.∑Dd=1wdzdj+u1k∑mi=1v1ix1ij≤1，j，

∑sr=1u2ry2rj+∑Br=1ubrPbrj+u2k∑Dd=1wdzdj≤1，j，u2r，ubr，v1i，wd≥0，i，r，d，u1k，u2kfree（1）

目標函數(shù)表示整個兩階段生產(chǎn)系統(tǒng)的總生產(chǎn)效率是兩個子系統(tǒng)生產(chǎn)效率的乘積，前兩個約束條件保證了單個子系統(tǒng)的效率值不超過l。對于非期望產(chǎn)出Pbrj，站在決策者的角度希望其越來越小，采用上述提到的Seiford和Zhu（1999）的轉(zhuǎn)換方法，Pbrj越大，Pbrj越小。由于此時的式（1）是一個分式規(guī)劃，并且存在著自由變量u1k，u2k，很難將其轉(zhuǎn)化為線性模型，利用Li等（2012）的啟發(fā)式搜索的方法，可以使其線性化，轉(zhuǎn)變?yōu)橐韵鹿剑?/p>

e1kmax=max∑Dd=1wdzdk+u1k∑mi=1v1ix1ik

s.t.∑Dd=1wdzdj+u1k∑mi=1v1ix1ij≤1，j，

∑sr=1u2ry2rj+∑Br=1ubrPbrj+u2k∑Dd=1wdzdj≤1，j，

u2r，ubr，v1i，wd≥0，i，r，d，u1k，u2kfree（2）

則創(chuàng)收階段系統(tǒng)效率最大值可能為e1kmax，e1k的取值范圍為e1k∈［0，e1kmax］，模型（2）仍然是一個分式規(guī)劃，可以將其轉(zhuǎn)換為線性規(guī)劃模型，則上述公式等價于：

e1kmax=max∑Dd=1wdzdk+u1k

s.t.∑mi=1v1ix1ik=1，

∑Dd=1wdzdj+u1k－∑mi=1v1ix1ij≤0，j，

∑sr=1u2ry2rj+∑Br=1ubrPbrj+u2k－∑Dd=1wdzdj≤0，j，

u2r，ubr，v1i，wd≥0，i，r，d，

u1k，u2kfree（3）

由于e1k的取值存在范圍變動，在計算整個兩階段系統(tǒng)的效率時，可以將其看作一個變量。則式（1）可以寫為：

ek=maxe1k×∑sr=1u2ry2rk+∑Br=1ubrPbrk+u2k∑Dd=1wdzdks.t.∑Dd=1wdzdj+u1k∑mi=1v1ix1ij≤1，j，∑sr=1u2ry2rj+∑Br=1ubrPbrj+u2k∑Dd=1wdzdj≤1，j，e1k=∑Dd=1wdzdk+u1k∑mi=1v1ix1ik，e1k∈［0，e1kmax］u2r，ubr，v1i，wd≥0，i，r，d，u1k，u2kfree（4）

式（4）可以轉(zhuǎn)換為以下模型，方便求解：

ek=maxe1k∑sr=1u2ry2rk+∑Br=1ubrPbrk+u2k

s.t.∑Dd=1wdzdk=1，∑Dd=1wdzdj+u1k－∑mi=1v1ix1ij≤0，j，

∑sr=1u2ry2rj+∑Br=1ubrPbrj+u2k－∑Dd=1wdzdj≤0，j，（5）

∑Dd=1wdzdk+u1k－e1k∑mi=1v1ix1ik=0e1k∈［0，e1kmax］u2r，ubr，v1i，wd≥o，i，r，d，u1k，u2kfree

（三）指標與數(shù)據(jù)選取

1.樣本選取及說明

截至2020年年底，我國共有上市證券公司39家，為了使選取的樣本具有代表性和可行性，選擇2016—2020年我國24家上市證券公司作為樣本數(shù)據(jù)進行分析。為保證數(shù)據(jù)的連續(xù)性，剔除了非上市的證券公司以及在2016年之后上市的證券公司，且按照經(jīng)驗法則，決策單元的數(shù)量應(yīng)該大于投入指標和產(chǎn)出指標之和的兩倍?；谝陨峡剂浚瑢⑷笔?shù)據(jù)的樣本篩選出去之后，最終確定的DMU樣本共有24家。文章的數(shù)據(jù)皆來源于中國證券業(yè)協(xié)會官網(wǎng)（sac.net.cn）、上海證券交易所官網(wǎng)（sse.com.cn）、深圳證券交易所官網(wǎng)（szse.cn）中公開披露的各證券公司2016—2020年的年度財務(wù)報告。

2.投入產(chǎn)出指標的選取

對于指標的選擇，學(xué)者們持有不同的觀點，既往文獻的投入產(chǎn)出指標如表1所示。文章對所構(gòu)建的兩階段證券公司經(jīng)營過程進行了深入分析和研究，在此基礎(chǔ)之上，綜合以往研究證券公司效率的DEA模型所選擇的投入、產(chǎn)出指標，將第一子階段的投入指標確定為應(yīng)付職工薪酬、實收資本、業(yè)務(wù)及管理費，在第二子階段選擇凈利潤、投資收益、壞賬損失作為產(chǎn)出指標，營業(yè)收入作為中間變量。

對于投入變量。從勞動投入的角度看，選擇應(yīng)付職工薪酬代表勞動投入相對于員工人數(shù)來說更加合理，它代表企業(yè)為獲得職工提供的服務(wù)而給予各種形式的報酬以及其他相關(guān)支出，更能反映證券公司在勞動投資方面的結(jié)構(gòu)性；對于資本投入來說，選取實收資本作為資本投入指標，實收資本的構(gòu)成是企業(yè)向投資者進行利潤或股利分配的主要依據(jù)，反映了證券公司運營的基礎(chǔ)和保障；又因費用和支出貫穿證券公司承銷發(fā)行、證券自營、代理買賣證券等業(yè)務(wù)過程，而且維持正常運營也會產(chǎn)生相關(guān)費用和支出，因此將費用投入指標確定為業(yè)務(wù)及管理費。

對于期望產(chǎn)出指標。凈利潤是公司經(jīng)營的最終目標及成果，對于企業(yè)管理者而言，凈利潤是進行經(jīng)營管理決策的基礎(chǔ)。同時利用自有資金進行投資獲利是證券公司自營業(yè)務(wù)的核心內(nèi)容，因此也把投資收益作為預(yù)期產(chǎn)出變量。

對于非期望產(chǎn)出變量。選取“壞賬損失”作為非期望產(chǎn)出指標，反映了由于經(jīng)營失誤造成的確定不能收回的各種應(yīng)收款項。將這一指標考慮在內(nèi)，能夠較為全面地衡量我國證券公司近年來的效率問題。

對于中間變量。由于國內(nèi)證券公司目前核心業(yè)務(wù)包括四種，即證券自營、資產(chǎn)管理、經(jīng)紀和投行業(yè)務(wù)，選取營業(yè)收入作為衡量證券公司利用資本、勞動和費用來獲得收入結(jié)果比較全面，包括利息凈收入、手續(xù)費及傭金凈收入、投資收益等，反映了企業(yè)的盈利能力和存續(xù)能力。另外，證券公司第二階段主要利用營業(yè)收入作為初始投入，以確保順利投資、做好風(fēng)控和獲取利潤等。由此可見，將營業(yè)收入作為中間變量可以更好地完成了第一、第二兩個階段的銜接。

四、我國證券公司效率評價研究的實證分析

利用MaxDEA軟件對24家中國上市證券公司2016—2020年的財務(wù)數(shù)據(jù)進行分析和處理，并采用兩階段網(wǎng)絡(luò)DEA方法分別計算總效率、第一階段和第二階段的運營效率，結(jié)果如表2和表3所示。

（一）總體效率分析

從總體效率來看，中國上市證券公司2016—2020年的運作績效總體上并不高，在0.4662～0.6417波動，均值只有0.5765。五年內(nèi)有效決策單元的數(shù)量為1、1、0、2和1，占決策單元總數(shù)的比例較低，反映出我國上市證券公司的經(jīng)營效率較低。根據(jù)五年間的平均效率可以看出，整體績效水平排在前三名的公司為#1國泰君安、#21國元證券和#5華泰證券，歷年總效率平均值分別為0.8310、0.8249和0.8013，保持著較強的上升活力。平均效率較低的公司是#19第一創(chuàng)業(yè)、#24太平洋證券，歷年總效率平均值分別是0.3387和0.3619。調(diào)查期間，效率提升最快的公司有#11興業(yè)證券、#4中信證券和#16東方財富。興業(yè)證券的效率排名從2016年的第23位上升到2020年的第8位，表明其經(jīng)營業(yè)績有了明顯改善。中信證券排名自2016年的第14位上升至第2位，其規(guī)模不斷擴大，經(jīng)營績效也得到提升，于2021年列入首批證券公司“白名單”。東方財富在考察期間總排名上升了11位，在2019年、2020年連續(xù)兩年效率值均達到了生產(chǎn)前沿面。從標準差來看，#7國金證券的效率值是最穩(wěn)定的，其標準差為0.0207，說明國金證券的效率表現(xiàn)相對穩(wěn)定。根據(jù)國金證券2016—2020年年報，近五年國金證券的凈利潤穩(wěn)定持續(xù)增長，截至2020年年末，公司實現(xiàn)凈利潤18.7億元。#24太平洋證券是這些公司中穩(wěn)定性較差的，標準差為0.1861，近年來太平洋證券的業(yè)務(wù)波動性也比較明顯，在2013—2015年三年的快速增長之后，接下來的五年里業(yè)績大幅下降，到2020年年底，凈虧損為7.55億美元。

根據(jù)圖3可知，我國24家上市證券公司在2016—2020年的整體效率都不算高，離效率前沿面還有一定差距，且相對波動較大。其中2016年、2020年的效率區(qū)間集中在0.6～0.7，2017年、2018年的效率區(qū)間集中在0.5～0.6，2019年的效率分布較為分散。各個年份的總效率最大值和最小值分別為：2016年的1和0.4046，2017年的1和0.3470，2018年的0.7639和0.1102，2019年的1和0.3284，2020年1和0.1924，整體上呈現(xiàn)中間多、兩頭少的趨勢，各證券公司的經(jīng)營效率在不同年份里出現(xiàn)了嚴重的兩極分化。

（二）兩階段子階段效率分析

在表3中，E1代表創(chuàng)收階段的效率，E2代表盈利階段效率。從24家證券公司的平均效率來看，調(diào)查期間各階段的效率變化相對平穩(wěn)。2016—2020年各年第一階段效率均值處在0.629～0.777，第二階段效率均值處在0.748～0.827，波動均比較小，且五年間決策單元階段效率達到有效前沿面的證券公司數(shù)量較多，分別為5、4、3、4、5和5、4、4、6、2，這與總效率呈現(xiàn)的結(jié)果有所不同。此外，如圖4所示，每一年中，盈利階段效率均略高于創(chuàng)收階段效率，這說明我國證券公司在擴大規(guī)模、增加收入的同時更加注重將收入轉(zhuǎn)化為最終利潤，提升盈利能力。

在創(chuàng)收階段，#1國泰君安、#4中信證券、#10海通證券、#16東方財富、#21國元證券是相對效率較高的，表明這五家證券公司有較強的能力利用公司資產(chǎn)和各種經(jīng)營成本開展證券交易業(yè)務(wù)并獲取收益。值得注意的是，東方財富連續(xù)五年在創(chuàng)收階段都處于前沿面上，通過分析發(fā)現(xiàn)，從東方財富網(wǎng)起家的東方財富本質(zhì)上是網(wǎng)絡(luò)金融服務(wù)平臺，券商、基金則是公司目前高速成長中最核心的變現(xiàn)方式手段，在通過介入證券基金等傳統(tǒng)金融業(yè)務(wù)而取得了不錯的收益之后，公司將進一步遵循傳統(tǒng)互聯(lián)網(wǎng)思維下低價、優(yōu)質(zhì)服務(wù)的經(jīng)營準則，并持續(xù)顛覆市場傳統(tǒng)以改善用戶體驗。從2017—2020年，中信證券的效率值連續(xù)四年為1，數(shù)據(jù)顯示，2020年中信證券營業(yè)收入以543.83億元位居榜首，占總額的12.13%。根據(jù)中國證券業(yè)協(xié)會公布的證券行業(yè)年度經(jīng)營業(yè)績，經(jīng)紀業(yè)務(wù)一直保持著中信證券最大的收入來源，截至2020年該占比為26.48%。而創(chuàng)收階段效率最低的是#24太平洋證券、#22西南證券、#19第一創(chuàng)業(yè)，其平均效率值分別為0.414、0.518、0.505，遠低于平均水平0.735，表明它們獲取收入的能力相對較弱，抗風(fēng)險能力有待加強，這些公司應(yīng)該對現(xiàn)有資產(chǎn)的分配、成本的利用等方面進行改進。

在盈利階段，效率一直保持較高的是#3招商證券和#22西南證券，分別為0.972和0.949，#5華泰證券的盈利效率也基本保持著穩(wěn)步上升的水平。招商證券從2010年以來ROE一直超過業(yè)內(nèi)平均值，企業(yè)整體盈利能力也明顯好于同行。而股票承銷、財富管理和機構(gòu)經(jīng)營能力的增強也是其整體盈利能力較高的重要因素，由于招商證券每個階段效率表現(xiàn)優(yōu)異，因而有較好的整體效率。對于西南證券來說，其在第一階段的效率僅為0.518，第二階段的效率為0.949，原因在于近幾年來西南證券一直不斷加強投行類業(yè)務(wù)風(fēng)險把控，在嚴格遵守規(guī)范風(fēng)控的情況下，其自營方向性投資業(yè)務(wù)隨著證券市場情況的變化，及時調(diào)整了融資產(chǎn)品的結(jié)構(gòu)組合，并獲得了良好的投資回報。反觀#16東方財富，在第一階段是唯一一個連續(xù)五年效率均為1的證券公司，而在第二階段的效率卻不盡如人意，造成此結(jié)果的原因在于東方財富2016年、2017年、2018年連續(xù)三年的金融投資收益均為負值，分別為-4.31億元、-4.01億元、-5.82億元，表明其在風(fēng)險和成本控制能力以及利潤轉(zhuǎn)化能力方面還有待提升。盈利階段效率處于較低水平的是#18東北證券和#6光大證券，東北證券在運營中，于創(chuàng)收階段創(chuàng)造了0.918的效率均值，可知制約該公司運作效率的關(guān)鍵是盈利能力，該證券公司需要優(yōu)化自身成本管控及風(fēng)控能力。

（三）證券公司效率優(yōu)化分析

在傳統(tǒng)的DEA模式下，每個決策單元被看作一個“黑箱”，假如某企業(yè)的運營效率低下，則難以判定其在哪一步失效，難以有針對性地提出相應(yīng)的改善措施。例如在表3中，東方財富在運作過程中總效率尚不及效率前沿，但是其在第一階段卻達到了DEA有效狀態(tài)，且保持了五年之久，這就說明造成它總體效率低下的原因更多在于第二階段的盈利過程，即在成本控制和風(fēng)險控制方面尚有提升空間，而傳統(tǒng)的DEA方法是無法得到這一結(jié)論的。為進一步分析造成證券公司效率無效的原因，借助MaxDEA軟件運算的結(jié)果導(dǎo)出了投入產(chǎn)出指標的Projection（最優(yōu)值），即改進方向，并計算出了各指標的投入產(chǎn)出冗余，結(jié)果如表4所示。

在表4中，數(shù)值的結(jié)果取絕對值，投入正值表示冗余，產(chǎn)出正值表示不足?？梢钥闯觯瑢?dǎo)致DEA無效的主要原因是各券商在創(chuàng)收階段的投入冗余，必須引起公司重視的是投資部分越來越多不一定會產(chǎn)生高效率；在盈利階段，部分券商存在投入冗余的原因在于資源投放過量而轉(zhuǎn)為最終收益的資本過低，從而使目標產(chǎn)出不夠，最終造成了DEA無效，可以看出壞賬損失作為證券公司經(jīng)營的非期望產(chǎn)出，不是導(dǎo)致DEA失效的最主要因素。

五、結(jié)論及政策建議

本文選取2016—2020年24家中國上市證券公司作為樣本數(shù)據(jù)，將證券公司經(jīng)營活動分為兩階段，即創(chuàng)收階段與盈利階段，考慮非期望產(chǎn)出的兩階段模型，運用了兩階段關(guān)系模型，認為創(chuàng)收階段和盈利階段是合作共贏的關(guān)系，構(gòu)建了網(wǎng)絡(luò)兩階段乘積型模型，先計算出總體效率，在保持總體效率不變的條件下分別計算出兩個子階段的效率，并根據(jù)原始值和目標改進值對效率無效的原因進行了分析，得出結(jié)論如下。

考察期間我國證券公司效率比較低，絕大部分公司沒有能力在最優(yōu)規(guī)模上生產(chǎn)，創(chuàng)收階段的投入冗余是造成DEA無效的主要原因。效率區(qū)間整體上呈現(xiàn)中間多兩頭少的趨勢，且相對波動較大，各證券公司的經(jīng)營效率在不同年份里出現(xiàn)了嚴重的兩極分化。從投入—產(chǎn)出的角度來看，正相關(guān)關(guān)系在證券公司效率與其投入規(guī)模、營業(yè)收入等指標之間并不成立，也就是說，證券公司要實現(xiàn)運營效益的提升，如果僅是將資產(chǎn)、經(jīng)營規(guī)模擴大是遠遠不夠的，還需對其成本費用進行良好管控，合理配置資源，提高投入產(chǎn)出比。針對上述問題，提出以下有針對性的建議。

（一）提高創(chuàng)新能力，加快盈利模式創(chuàng)新與轉(zhuǎn)型

目前，中國證券公司已經(jīng)進入了一個相對高速的發(fā)展階段。由于我國證券行業(yè)產(chǎn)品具有很高的可替代性和同質(zhì)性，證券公司缺乏較好的創(chuàng)新力，對傳統(tǒng)的業(yè)務(wù)有著過強的依賴性，盈利情況受市場整體運行狀態(tài)影響較大，因此無法對市場中的風(fēng)險進行有效的防控。綜上，我國券商在制定發(fā)展戰(zhàn)略目標時，應(yīng)先充分考慮自身特點和優(yōu)勢，從實際情況出發(fā)，使戰(zhàn)略目標與自身實際相符，同時不斷創(chuàng)新盈利模式，從而促進證券公司核心競爭力的全面提升。

（二）強化人才團隊建設(shè)，健全激勵機制

證券市場屬于人才密集的行業(yè)，其人力資源管理水平是衡量其運營能力的一個重要指標，在公司核心競爭力的建設(shè)過程中，要關(guān)注人力資源隊伍的重要性。盡管提升人力資源管理的重要性已成為行業(yè)共識，但是在具體的操作過程中，大部分企業(yè)并沒有在這方面投入足夠多的資源。一是要從戰(zhàn)略層面關(guān)注人力資源重要性，特別是作為公司經(jīng)營者，應(yīng)該充分認識到人力資源管理能力在公司戰(zhàn)略實現(xiàn)中的決定性作用；二是要重視人力資源管理相關(guān)人才的培訓(xùn)，持續(xù)優(yōu)化人員素養(yǎng)和業(yè)務(wù)能力。同時，針對不同的業(yè)務(wù)類型，應(yīng)采用有針對性的激勵模式，這對證券公司發(fā)展有著很大意義，不僅能夠調(diào)動員工工作積極性，還能夠吸引更多人才。

（三）增強公司內(nèi)部風(fēng)險管理，加強規(guī)范化治理

證券公司要構(gòu)建規(guī)范、透明、開放、充滿活力和彈性的資本市場，必須進一步落實新的發(fā)展理念，服務(wù)于新的發(fā)展模式，進一步提高企業(yè)全方位風(fēng)險管理能力，這不但要求券商必須完善與其公司發(fā)展策略相對應(yīng)的全方位風(fēng)險管理結(jié)構(gòu)，積極開展事前、事中和事后的經(jīng)營風(fēng)險防范、監(jiān)控、處理和評估等工作，還要不斷完善與公司注冊制度相對應(yīng)的責(zé)任管理體系。如此，公司才能在健康的運作和規(guī)范的經(jīng)營下產(chǎn)生更多合理、有效的收益。證券公司應(yīng)不斷增加風(fēng)險管理資源投入，積極儲備風(fēng)險管理人員，逐步建立全面的風(fēng)險管理體系，以集團化、一體化經(jīng)營的思維不斷完善全面風(fēng)險管理制度，真正做到風(fēng)控合規(guī)，為企業(yè)的可持續(xù)發(fā)展保駕護航、創(chuàng)造新價值、贏得未來。

參考文獻

［1］NGUYENXH，NGUYENTKL.ApproachingtheNegativeSuper-SBMModeltoPartnerSelectionofVietnameseSecuritiesCompanies［J］.TheJournalofAsianFinance，EconomicsandBusiness，2021，8（3）：527-538.

［2］KANGDY，LEEKS.Managementefficiencyanalysisofdomesticsecuritiescompanies［J］.JournalofKoreaSocietyofIndustrialInformationSystems，2023，28（3）：57-67.

［3］李雙杰，高濛.基于DEA交叉效率的投資組合優(yōu)化策略［J］.數(shù)學(xué)的實踐與認識，2023，53（1）：97-110.

［4］楊躍云.供應(yīng)鏈金融應(yīng)收賬款資產(chǎn)證券化信用風(fēng)險研究［J］.中國注冊會計師，2022（2）：60-63.

［5］XUT，YOUJ，SHAOY.EfficiencyofChinaslistedsecuritiescompanies：EstimationthroughaDEA-basedmethod［J］.Mathematics，2020，8（4）：589.

［6］鄭又源，徐筠雅，李妍.影響券商效率的因素與機制：基于一個擴展SCP框架的實證研究［J］.蘭州財經(jīng)大學(xué)學(xué)報，2024，40（2）：88-101.

［7］HUC.EfficiencyofChinesebankingcomparedwithdevelopedcountries：ADataEnvelopmentAnalysisApproach［J］.Accounting，AuditingandFinance，2023，4（3）：13-17.

［8］崔瑛，姜偉，李賽男，等.基于SFA方法的中國證券公司經(jīng)營效率分析［J］.青島大學(xué)學(xué)報（自然科學(xué)版），2018，31（3）：89-94，101.

［9］CHARNESA，COOPERWW，RHODESE.Measuringtheefficiencyofdecisionmakingunits［J］.EuropeanJournalofOperationalResearch，1978，2（6）：429-444.

［10］BANKERRD，CHARNESA，COOPERWW.Somemodelsforestimatingtechnicalandscaleinefficienciesindataenvelopmentanalysis［J］.ManagementScience，1984，30（9）：1078-1092.

［11］CHARNESA，COOPERWW，GOLANGB，etal.AdevelopmentalstudyofdataenvelopmentanalysisinmeasuringtheefficiencyofmaintenanceunitsintheUSairforces［J］.AnnalsofOperationsResearch，1985，30（1-2）：91-107.

［12］IKAPELFO，NAMUSONGEGS，SAKWAMM.DeterminantsofbankingsectorefficiencyinKenya：Applicationofnon-parametricDataEnvelopmentAnalysis（DEA）model［J］.AsianJournalofEconomics，BusinessandAccounting，2023，23（13）：18-28.

［13］FRER，GROSSKOPFS.Productivityandintermediateproducts：Afrontierapproach［J］.Economicsletters，1996，50（1）：65-70.

［14］FRER，GROSSKOPFS.NetworkDEA［J］.Socio-EconomicPlanningSciences，2000，34（1）：35-49.

［15］ACHIA.EfficiencyanditsdeterminantsintheAlgerianbanks：networkdataenvelopmentanalysisandpartialleastsquaresregression［J］.InternationalJournalofProductivityandPerformanceManagement，2023，72（5）：1479-1508.

［16］FUKUYAMAH，TSIONASM，TANY.Incorporatingcausalmodelingintodataenvelopmentanalysisforperformanceevaluation［J］.AnnalsofOperationsResearch，2023：1-40.

［17］鐘心.基于DEA方法的我國證券公司經(jīng)營效率的研究——以A股上市公司為例［D］.南昌：江西財經(jīng)大學(xué)，2019.

［18］KAOC，HWANGS-N.Efficiencydecompositionintwo-stagedataenvelopmentanalysis：Anapplicationtonon-lifeinsurancecompaniesinTaiwan［J］.EuropeanJournalofOperationalResearch，2008，185（1）：418-429.

［19］LIY，CHENY，LIANGL，etal.DEAmodelsforextendedtwo-stagenetworkstructures［J］.Omega，2012，40（5）：611-618.

［20］SEIFORDLM，ZHUJ.Profitabilityandmarketabilityofthetop55UScommercialbanks［J］.Managementscience，1999，45（9）：1270-1288.

［21］秦小麗，劉益平.證券公司經(jīng)營效率的測度——基于SBM修正的三階段DEA模型［J］.重慶社會科學(xué)，2018（8）：43-55.

［22］苗建軍，袁衫光.中國證券業(yè)的運營效率研究——基于SBM-Undesirable的六階段DEA和Malmquist-DEA模型［J］.武漢金融，2018（11）：38-44.

［23］宋歌.基于DEA模型對我國證券公司經(jīng)營效率評價的研究——以滬市A股上市公司為例［J］.金融理論與實踐，2017（11）：77-80.

［24］楚雪芹，李勇軍，崔峰，等.基于兩階段非期望DEA模型的商業(yè)銀行效率評估［J］.系統(tǒng)工程理論與實踐，2021，41（3）：636-648.

EfficiencyEvaluationofSecuritiesCompaniesBasedonTwo-StageDataEnvelopmentAnalysisforUndesiredIndicators

XUEJianSUNSiyaoLIDeqiang

（SchoolofEconomicsandManagement，ShaanxiUniversityofScienceandTechnology，Xi’an710021，China）

Abstract：Securitiescompaniesplayanimportantfunctioninstabilizingthecapitalmarket，leadingthecapitalmarketvaluejudgingstandard，andguaranteeingthereasonableallocationofmarketresources，etc.ThegoodorbadofitsoperatingefficiencydirectlyaffectstheoveralllevelofChinascapitalmarketefficiencyandtheeffectivenessofmarketresourceallocation，andhowtocarryoutascientific andreasonablemeasurementofChinassecuritiescompanysoperatingefficiencyisarealistictopicthatneedstobesolvedurgently.Basedonthis，thispaperdividestheoperatingactivitiesofsecuritiescompaniesintotwostages：therevenue-generatingstageandtheprofit-makingstage，andconstructsatwo-stagenon-expectationnetworkproduct-typemodelthatconsidersnon-expectationindicators.Thispaperanalyzes24Chineselistedsecuritiescompaniesassampledata，andfindsthat：theefficiencyofChinassecuritiescompaniesduringtheperiodunderinvestigationisgenerallyrelativelylow，thevastmajorityofcompaniesdonotproduceontheoptimalscale，andtheoperatingefficiencyofeachsecuritiescompanyisseriouslypolarizedindifferentyears，whichisthemainreasonfortheineffectivenessoftheDEAisthatInputredundancyinthefirststage.Thisindicatesthatsecuritiescompaniescannotrelysolelyonexpandingcapitalandbusinessscaletoimproveoperationalefficiency，andmustbebasedonthecontrolofresourcesandthescientificallocationofcostsandexpenses，whichinturnimprovestheinput-outputefficiencyoftheenterprise.

Keywords：EfficiencyofSecuritiesCompanies；Two-Stage；DataEnvelopmentAnalysisModel；UnexpectedIndicators